倒立摆的控制是控制理论应用的一个典型范例。倒立摆系统作为一个非最小相位、强藕合、多变量的绝对不稳定非线性系统，通常被用来检验控制策略的有效性；同时，由于倒立摆系统控制与火箭和飞行器控制以及起重机起重臂控制等的相似性，对其进行控制所采用的控制算法，以及得出的结论对其它工程控制问题具有一定指导意义。 当前，遗传算法和神经网络以及二者的结合研究都是智能控制技术研究中的热点。神经网络能够充分逼近任意复杂的非线性关系，能够学习不确定性系统的动态特性，用神经网络设计的控制系统，适应性、鲁棒性均较好，能够处理高维数、非线性、强干扰、不确定、难建模的复杂控制问题。而遗传算法是一种具有极高鲁棒性和广泛适用性的全局优化方法，采用遗传算法学习的神经网络控制器兼有神经网络的广泛映射能力和遗传算法快速收敛以及增强式学习等性能。 本文将神经网络和遗传算法结合起来，对实验室的倒立摆装置进行仿真和智能控制研究，主要工作包括： 推导出了一、二、三级倒立摆系统的非线性数学模型，并用基于遗传神经网络的智能控制方法对倒立摆系统进行了仿真；设计了反向传播算法神经网络控制器，对倒立摆控制效果较好，解决了用常规控制方法存在的控制范围小，控制精度低的问题；改进遗传算法的神经网络控制器的设计，解决了BP算法收敛速度慢的问题，避免BP算法易陷入局部极小的缺点；提出了面向神经网络的遗传算法(NNOGA)，详细论述了该算法的实现，克服了简单遗传算法搜索速度慢、不成熟收敛和迭代次数多的缺点。